MultiVerS：利用弱监督与全文语境改进科学声明验证
计算与语言
2022-05-11 v2 人工智能
摘要
科学声明验证任务要求NLP系统对支持或反驳输入声明的科学文档进行标注，并选择证明每个预测标签的证据句（或理由）。本工作中，我们提出MultiVerS，其基于声明与全文语境的共享编码，以多任务方式预测事实核查标签并识别理由。该方法实现了两个关键建模目标。首先，它确保全部相关语境信息被纳入每个标注决策。其次，它使模型能从仅含文档级事实核查标签但缺句子级理由的实例中学习。这使得MultiVerS可通过使用高精度启发式标注的科学文档训练，执行弱监督领域自适应。我们的方法在三个科学声明验证数据集上优于两个竞争性基线，在零样本/少样本领域自适应实验中表现尤为强劲。我们的代码与数据见 https://github.com/dwadden/multivers。
引用
@article{arxiv.2112.01640,
title = {MultiVerS: Improving scientific claim verification with weak supervision and full-document context},
author = {David Wadden and Kyle Lo and Lucy Lu Wang and Arman Cohan and Iz Beltagy and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:2112.01640},
year = {2022}
}
备注
NAACL Findings 2022. Github: https://github.com/dwadden/multivers